一种大规模标注lncRNA功能的方法技术

本发明专利技术公开了一种大规模标注lncRNA功能的方法，根据lncRNA‑蛋白质的共表达数据及相互作用数据、lncRNA的表达谱数据和蛋白质的相互作用数据，构建一个全局的异构无向图，通过Katz度量计算lncRNA顶点和蛋白质顶点的相似性，从而依据相似蛋白质的功能标注信息对未知的lncRNA进行功能标注。本发明专利技术与现有的技术相比，在考虑lncRNA‑蛋白质共表达信息的基础上，也整合了lncRNA‑蛋白质相互作用数据、lncRNA的表达谱数据和蛋白质的相互作用数据。独立测试表明，本发明专利技术预测的召回率、准确性和F‑measure都比其它的方法更高，效果更好。由于本发明专利技术是一种基于图的全局计算方法，所以可以一次标注出大量的lncRNA，有效的克服了以前局部方法一次只能标注少量lncRNA功能的问题。

【技术实现步骤摘要】

本专利技术属于生物信息学领域，特别涉及一种大规模标注lncRNA功能的方法。
技术介绍
长链非编码RNA(longnon-codingRNA，lncRNA)是一种重要的非编码RNA，它在真核生物中被广泛转录。一般，lncRNA具有低的表达水平，中等的序列保守性，和高的组织特异性。越来越多的生物实验已经证实lncRNA能在细胞中发挥广泛而又重要的作用，比如基因调控、剪接控制、以及X染色体剂量补偿等。lncRNA还和人类疾病的发生、发展和防治都有着密切联系。因此，确定lncRNA的功能对于揭示其在生理及病理过程中的作用机制、疾病诊断和防治都有重要的意义，但是，目前人们仅仅对很少量的lncRNA的功能了解比较充分。最近，预测和识别lncRNA功能的研究引起了越来越多研究者的兴趣。确定lncRNA的功能，在生物学领域，一般采取非编码RNA沉默和定位分析、RNA结合蛋白免疫沉淀技术、紫外交联免疫沉淀、环状染色质构象捕获、RNA反义纯化、RNA纯化的染色质分离和捕获杂交分析RNA靶点等，尽管这些技术能在一定程度上识别lncRNA的部分功能，但是由于实验设计复杂、代价高昂，而lncRNA的功能具有多样化和特异性强的特点，难以大规模应用于lncRNA功能识别。随着微阵列和新一代测序等高通量技术的发展，获得了大量与lncRNA有关的生物数据(lncRNA序列、表达谱、与蛋白质的相互作用等)，这为从计算上预测lncRNA的功能提供了条件。近年来，已有一些研究者利用这些生物数据预测lncRNA的功能，比如，Guttman等人在4种小鼠细胞种通过基因组范围染色质状态谱发现了大约1600种lncRNA，并开发了一种方法进行lncRNA功能预测；Liao等人根据公开的微阵列表达谱数据，通过构造编码-非编码基因共表达网络标注了340个lncRNA的可能功能；Cabili与他的合作者编制了一个包含8000多种人类lincRNA的参考目录，并通过编码基因和非编码基因的共表达信息对它们进行了功能标注。这些方法基本上都是基于基因表达谱和一些局部信息，所以仅仅少量的lncRNA的功能可以被推断出来。近几年来，也出现了结合其它信息进行lncRNA功能标注的方法，例如，lncRNA2Function等。
技术实现思路
本专利技术提供一种大规模标注lncRNA功能的方法，其可以一次对大量lncRNA的功能进行标注，大大降低lncRNA功能标注的成本，降低费用。本专利技术的技术方案如下：1)根据lncRNA与蛋白质的共表达数据、相互作用数据计算lncRNA和蛋白质的皮尔逊相关系数，并根据相关系数构造lncRNA-蛋白质关系网络。2)根据lncRNA在人类24个组织或者细胞类型中的表达谱计算lncRNA之间的皮尔逊相关系数，据此构造lncRNA相似性网络。3)根据蛋白质相互作用数据构造蛋白质相互作用网络，并结合lncRNA-蛋白质和lncRNA相似性网络构建全局网络。4)利用上述构建的全局网络，根据公式(1)计算lncRNA节点和蛋白质节点的Katz度量，此Katz度量代表lncRNA节点和蛋白质节点的相似性度量，Katz度量值越大，说明这个蛋白质与lncRNA越相似。5)对上述步骤得到的lncRNA和蛋白质相似矩阵进行降序排列，按照分值选择其中前N个蛋白质，分别找出前N个蛋白质中每个蛋白质所对应的功能注释，对每个功能注释，根据公式(2)计算此lncRNA具有该功能的概率。本专利技术与现有标注lncRNA功能的方法相比，现有的大部分方法都是基于基因的表达谱和基因的一些局部信息，因此一次仅能对少量的lncRNA进行功能注释，而本专利技术是根据全局网络进行计算推断的，所以一次可以对全基因组的lncRNA进行功能注释。此外，本专利技术不但考虑了基因表达谱信息，也结合了lncRNA与蛋白质的相互作用信息以及蛋白质之间的相互作用信息。与现有的方法相比，本专利技术利用了更多的生物数据，可以显著地提高lncRNA功能预测的准确度，同时，本专利技术可以一次对大量lncRNA进行功能预测，有效的解决了现有计算方法的问题，也为生物实验进行lncRNA功能注释提供了有价值的参考。附图说明图1是本专利技术实施例整个过程的处理流程示意图。图2为本专利技术实施例N取不同值时的性能变化曲线图，当N选择不同的值时，Fmax的值波动较大，最好的性能(Fmax最大)出现在N近似是40时。图3本专利技术实施例网络中包含或去掉PPI时的准确率-召回率曲线图。图4在手工标注的55个lncRNA上，本专利技术实施例和LncRNA2Function分别正确注释的lncRNA的个数比较示意图。图5在全基因组上，本专利技术实施例和LncRNA2Function分别正确注释的lncRNA的个数比较示意图。图6在不同GO深度下，本专利技术实施例和LncRNA2Function分别注释lncRNA的个数比较示意图。具体实施方式下面将结合附图和实施例对本专利技术做进一步详细说明。本专利技术的原理是：根据lncRNA-蛋白质的共表达数据及相互作用数据、lncRNA的表达谱数据和蛋白质的相互作用数据，构建一个全局的异构无向图，通过Katz度量计算lncRNA顶点和蛋白质顶点的相似性，从而依据相似蛋白质的功能标注信息对未知的lncRNA进行功能标注。如图1所示，本实施例从GENCODE数据库中共下载了15941个lncRNA基因和20284个编码基因。为了获得全基因组范围内的lncRNA和编码基因的联系，分别从COXPRESdb、ArrayExpress等数据库下载了共表达数据，从NPInter数据库下载了lncRNA-蛋白质作用数据。根据这些lncRNA-蛋白质的共表达数据和相互作用数据，采用朴素贝叶斯方法计算lncRNA和蛋白质的相关性：其中，C(l,p)是基因d(lncRNA)和编码基因p之间的整体相关系数，Cd(l,p)代表l和p在数据集d上的相关分数，D是基因对(l和p)的个数。然后结合计算出的lncRNA和蛋白质的相关性构造lncRNA-蛋白质的关系网络，此网络共包含15941个lncRNA基因和20284个编码基因，并用邻接矩阵LP表示。从NONCODE2016中下载了lncRNA在人类24个组织中的表达谱数据，根据这些表达谱数据计算lncRNA之间的表达相关性，具体采用皮尔逊相关系数公式计算每对lncRNA之间的表达相关性，然后根据这些表达相关性构造lncRNA相似性网络，此网络共包含15941个lncRNA基因，用邻接矩阵L表示。根据从STRING数据库下载的蛋白质相互作用数据，构造蛋白质相互作用网络，记作P，共包含20284个蛋白质，结合步骤1、步骤2计算出的矩阵LP、L，构造全局异构网络，用邻接矩阵表示。Katz度量通过计算两个节点间的距离来衡量两个节点的相似性，基于此，本专利技术提出通过计算lncRNA节点和蛋白质节点的Katz度量来测量lncRNA基因和蛋白质的相似性，即，利用上述步骤构造的全局网络的邻接矩阵A，计算15941个lncRNA节点和20284个蛋白质节点的Katz度量，计算公式为：SLP＝βLP+β2(L*LP+LP*P)+β3(LP*LPT*LP+L2*LP+L*LP*P+LP*P2)(1)其中，β是不同长度路径的权重系数，满本文档来自技高网...

【技术保护点】
一种大规模标注lncRNA功能的方法，其特征在于，包括如下步骤：步骤1、根据lncRNA与蛋白质的共表达数据、相互作用数据计算lncRNA和蛋白质的皮尔逊相关系数，并根据相关系数构造lncRNA‑蛋白质关系网络；步骤2、根据lncRNA在人类24个组织或者细胞类型中的表达谱计算lncRNA之间的皮尔逊相关系数，据此构造lncRNA相似性网络；步骤3、根据蛋白质相互作用数据构造蛋白质相互作用网络，并结合lncRNA‑蛋白质和lncRNA相似性网络构建全局网络；步骤4、利用上述构建的全局网络，根据公式(1)计算lncRNA节点和蛋白质节点的Katz度量，此Katz度量代表lncRNA节点和蛋白质节点的相似性度量，Katz度量值越大，说明这个蛋白质与lncRNA越相似；步骤5、对上述步骤得到的lncRNA和蛋白质相似矩阵进行降序排列，按照分值选择其中前N个蛋白质，分别找出前N个蛋白质中每个蛋白质所对应的功能注释，对每个功能注释，根据公式(2)计算此lncRNA具有该功能的概率。

【技术特征摘要】
1.一种大规模标注lncRNA功能的方法，其特征在于，包括如下步骤：步骤1、根据lncRNA与蛋白质的共表达数据、相互作用数据计算lncRNA和蛋白质的皮尔逊相关系数，并根据相关系数构造lncRNA-蛋白质关系网络；步骤2、根据lncRNA在人类24个组织或者细胞类型中的表达谱计算lncRNA之间的皮尔逊相关系数，据此构造lncRNA相似性网络；步骤3、根据蛋白质相互作用数据构造蛋白质相互作用网络，并结合lncRNA-蛋白质和lncRNA相似性网络构建全局网络；步骤4、利用上述构建的全局网络，根据公式(1)计算lncRNA节点和蛋白质节点的Katz度量，此Katz度量代表lncRNA节点和蛋白质节点的相似性度量，Katz度量值越大，说明这个蛋白质与lncRNA越相似；步骤5、对上述步骤得到的lncRNA和蛋白质相似矩阵进行降序排列，按照分值选择其中前N个蛋白质，分别找出前N个蛋白质中每个蛋白质所对应的功能注释，对每个功能注释，根据公式(2)计算此lncRNA具有该功能的概率。2.根据权利要求1所述的大规模标注lncRNA功能的方法，其特征在于，步骤1具体为：根据lncRNA-蛋白质的共表达数据及相互作用数据，采用朴素贝叶斯方法计算lncRNA和蛋白质的相关性：其中，C(l,p)是lncRNA基因d和编码基因p之间的整体相关系数，Cd(l,p)代表l和p在数据集d上的相关分数，D是基因对l和p的个数，然后结合计算出的lncRNA和蛋白质的相关性构造lncRNA-蛋白质的关系网络，并用邻接矩阵LP表示。3.根据权利要求2所述的大规模标注lncRNA功能的方法，其特征在于，所述lncRNA-蛋白质的共表达数据及相互作用数据包括从GENCODE数据库中下载的lncRNA基因和编码基...

【专利技术属性】
技术研发人员：张祖平，邓磊，张敬普，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43